pełny tekst/full text
Transkrypt
pełny tekst/full text
A RT Y K UŁ Y Polski Przegląd Kartograficzny Tom 43, 2011, nr 2, s. 117–129 IZABELA KARSZNIA Katedra Kartografii Uniwersytetu Warszawskiego [email protected] Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych – metodyka i narzędzia generalizacji*1 Część II Z a r y s t r e ś c i. W drugiej części artykułu scharakteryzowano wybrane systemy geoinformacyjne służące do generalizacji map i danych przestrzennych DynaGEN oraz Clarity. Opisano również eksperymenty implementacji i weryfikacji wiedzy kartograficznej, związanej z generalizacją warstwy tematycznej osadnictwa i sieci dróg, opisanej w pierwszej części artykułu w poprzednim numerze kwartalnika. S ł o w a k l u c z o w e: implementacja wiedzy kartograficznej, baza wiedzy, osadnictwo, sieć drogowa, system DynaGEN, system Clarity1 6. Implementacja wiedzy kartograficznej w wybranych systemach informatycznych W niniejszym artykule skupiono się na weryfikacji wiedzy kartograficznej pozyskanej w poprzednich etapach badawczych, a także jej implementacji w systemie DynaGEN oraz Clarity. Opisane w kolejnych podrozdziałach operatory i narzędzia generalizacji dostępne w DynaGEN oraz Clarity scharakteryzowano z punktu widzenia celu i zakresu omawianej pracy badawczej, a więc narzędzi wykorzystanych w procesie generalizacji osadnictwa oraz sieci dróg BDO. Szczegółowy opis systemu DynaGEN i Clarity znajduje się w dokumentacji dotyczącej oprogramowania (DynaGEN. AE Training, 2000; Clarity concepts, 2007) oraz pracach K. Rant (2002), I. Chybickiej (2003) i I. Karszni (2010, 2011). * Badania opisane w niniejszym artykule zostały przeprowadzone w ramach pracy doktorskiej autorki pt. Podstawy metodyczne automatyzacji generalizacji wybranych elementów Bazy Danych Ogólnogeograficznych, zrealizowanej w Katedrze Kartografii Uniwersytetu Warszawskiego (I. Karsznia 2010). 6.1. Operatory generalizacji w systemie DynaGEN Pojęcie operatora generalizacji12jest utożsamiane z elementarną konwersją elementu mapy (transformacją), która może być wyrażona formułą matematyczną albo opisem procedury (algorytmem) (A. Iwaniak i współautorzy 1998). Taka konwersja może być nazwana czynnością generalizacyjną (E.M. Joao 1998). Proces generalizacji komputerowej może mieć postać sekwencji takich czynności i odpowiadających im operatorów, algorytmów oraz parametrów generalizacji (jest to tzw. baza wiedzy). Sekwencja czynności generalizacyjnych i jej parametry muszą być dobrane w taki sposób, aby zachowane były relacje topologiczne między generalizowanymi obiektami. W systemie DynaGEN mamy możliwość generalizacji w trybie automatycznym oraz interaktywnym (pod nadzorem kartografa). Interaktywny tryb pracy zapewnia większą kontrolę procesu generalizacji niż tryb automatyczny. Kartograf decyduje, które (nawet indywidualnie wybrane) obiekty podlegają procesowi generalizacji. Obserwując wynik generalizacji na ekranie monitora 1 Operatory generalizacji opisują transformacje w procesie generalizacji na poziomie konceptualnym. Służą rozłożeniu procesu generalizacji na szereg podprocesów (etapów) o mniej kompleksowej naturze, a więc rozwiązaniu konkretnego problemu generalizacyjnego (M. Galanda 2003, A. Cecconi 2003). A. Ruas (1999) zaproponowała podział operatorów generalizacji na niezależne (określane również jako niezależne od kontekstu, rozumianego jako szereg relacji przestrzennych między obiektami) oraz kontekstowe. Algorytmy generalizacji stanowią implementację operatorów generalizacji. Oba pojęcia łączy zależność hierarchiczna. Za pomocą operatora definiujemy transformacje danych, natomiast za pomocą algorytmu jest ona implemetnowana. Parametry generalizacji służą do kontroli działania algorytmów. 118 Izabela Karsznia akceptuje lub odrzuca, czyli ocenia efekty działania poszczególnych operatorów generalizacji. Próby generalizacji prowadzone w trybie interaktywnym stanowią podstawę analiz sposobu i zakresu działania poszczególnych operatorów, a co za tym idzie poprawności uzyskanych wyników. Czynności generalizacyjne odnoszące się do dwóch rozważanych warstw obiektów, a więc sieci dróg i osadnictwa wykonano w trybie interaktywnym. 6.1.1. Operatory generalizacji wykorzystane w procesie generalizacji osadnictwa Jedną z pierwszych czynności podejmowanych w procesie generalizacji jest agregacja, łączenie obiektów. Ma ona szczególne znaczenie w trakcie generalizacji, gdyż łączenie obiektów na podstawie określonych warunków bezpośrednio wpływa na poprawę czytelności mapy. W prowadzonych badaniach pierwszy krok w zakresie generalizacji osadnictwa stanowiła właśnie agregacja fragmentów miejscowości. Wykorzystano w tym celu operator agregacji obiektów Area aggregation. Dla wymienionego operatora generalizacji w DynaGEN zdefiniowano następujące algorytmy: – Nonorthogonal – pozwalala na łączenie obszarów znajdujących się w granicach określonego zbioru w jeden obszar; algorytm ten przeznaczony jest do generalizacji obiektów o nieregularnych kształtach (np.: jeziora, lasy), – Orthogonal – łączy obszary w ramach zdefiniowanego zbioru w jeden obszar; opracowany dla obiektów o regularnych lub prostokątnych kształtach, – Adjoining – za pomocą tego algorytmu można łączyć obszary zachodzące na siebie lub mające wspólną granicę (przylegające do siebie). Dla pierwszych dwóch wymienionych algorytmów wykorzystano następujące parametry generalizacji: –Threshold tolerance – wskazuje minimalną odległość między obszarami przed scaleniem, – Zone tolerance – wskazuje maksymalną odległość między generalizowanymi obszarami, – Minimum hole size – określa wielkość najmniejszego obszaru pustego, jaka może powstać w obszarze po generalizacji, – Hole retention – pozwala na likwidację pustych obszarów w obszarze powstałym po agregacji. Kolejnym krokiem generalizacyjnym, następującym po procesie agregacji obiektów powierzchniowych jest upraszczanie ich kształtów za pomocą operatora Area simplification. Zastosowano tu następujące algorytmy generalizacji: – upraszczania powierzchni (Area preservation) – usuwa mniej ważne punkty granic powierzchni, które w sposób decydujący nie wpływają na kształt obiektu; parametrem przypisanym do tego algorytmu jest parametr Area change allowed, który określa o ile generalizowana powierzchnia może być powiększona lub zmniejszona, – upraszczania obrysu budynków (Building simplification) – służy do upraszczania obiektów o regularnych kształtach. Przy upraszczaniu powierzchni mamy do dyspozycji następujące parametry: – Minimum length – określa minimalną długość obszaru po generalizacji, – Minimum area – definiuje minimalną powierzchnię obszaru po generalizacji, – Colinear angle – określa, w jakiej odległości w linii prostej muszą być trzy punkty, aby punkt środkowy został usunięty. 6.1.2. Operatory generalizacji wykorzystane w procesie generalizacji sieci dróg Jednym z najstarszych, a zarazem najbardziej rozpowszechnionych operatorów generalizacji jest operator upraszczania (N. Regnauld, R.B. McMaster 2007). Mimo że upraszczanie stanowi jeden z istotnych elementów generalizacji, wykonywane jest zwykle jako jeden z ostatnich kroków generalizacyjnych. W systemie DynaGEN mamy do dyspozycji dwa operatory: operator upraszczania Simplify, stosowany do upraszczania przebiegu linii i zarysów obiektów powierzchniowych o nieregularnych kształtach oraz opisany w poprzednim podrozdziale operator upraszczania obiektów regularnych o mniejszej powierzchni, np. budynków (Area simplification). Do operatora Simplify przypisano następujące algorytmy generalizacji: – Algorytm Douglasa-Peuckera – działanie tego algorytmu polega na identyfikacji pierwszego i ostatniego punktu linii, a następnie znalezieniu takiego punktu P, który jest najbardziej odległy od prostej łączącej początek i koniec linii. Jeżeli odległość punktu P od prostej będzie większa od progowej, wówczas punkt zostaje Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... uznany za charakterystyczny, a generalizowana linia zostaje podzielona na dwie części. Procedura zostaje powtórzona dla dwóch linii. Jeżeli odległość punktu P od prostej jest mniejsza niż progowa, wówczas wszystkie punkty znajdujące się między punktem pierwszym i ostatnim zostają usunięte, a obrazem zgeneralizowanej linii jest linia prosta. Dla tego algorytmu zdefiniowano parametr Perpendicular distance tolerance, wyznaczający przedział tolerancji odległości między punktami. – Algorytm Langa – zaczyna od łączenia pierwszego punktu na wybieranej linii z pewną liczbą następnych punktów, tworząc linię odniesienia. Wymierza prostopadłą odległość od każdego pośredniego punktu do linii odniesienia. Jeżeli odległość od punktu pośredniego do linii odniesienia przewyższa wartość parametru Perpendicular distance tolerance, wówczas poprzednia linia odniesienia staje się częścią uogólnianej linii. Ten cykl jest powtarzany, aż do ostatniego punktu na zadanej linii. – Nth Point – usuwa zbędne punkty z linii lub granic powierzchni. Przy wyborze algorytmu Nth Point mamy do dyspozycji parametr Point spacing – który pozwala określić odległość między punktami, – Point relaxation – działanie tego algorytmu rozpoczyna się narysowaniem okręgu dokoła pierwszego i kolejnego punktu na zadanej linii. Następnie jest prowadzona linia styczna do tych okręgów. Zakres tolerancji dla tego algorytmu określono za pomocą parametru Point spacing. Dodatkowo parametr Relax circle radius pozwala zdefiniować promień okręgu, – Algorytm Reumanna-Witkama – zakłada użycie dwóch równoległych linii, oddalonych od siebie o zadaną odległość. Są one prowadzone po obu stronach linii w kierunku zadanym przez punkty początkowe. W miejscu, gdzie obiekt liniowy przecina się z którąś z prostych równoległych, powstaje następny punkt obiektu liniowego. Linie równoległe są rysowane znowu w nowym kierunku i proces ten powtarzany jest przy upraszczaniu całej linii. Odległość między liniami definiujemy za pomocą parametru Corridor tolerance, – Vector generation – między pierwszym, a trzecim punktem rysowana jest prosta. Od tej prostej prowadzona jest prostopadła do punktu pośredniego. Parametr Perpendicular distance określa zakres tolerancji dla tego algorytmu. 119 6.2. Opracowanie bazy wiedzy w systemie DynaGEN Opracowanie bazy wiedzy w systemie DynaGEN polega na określeniu poszczególnych czynności generalizacyjnych oraz wskazaniu odpowiadających im operatorów, algorytmów i parametrów generalizacji. Na proces ten składają się następujące etapy: – wybór obiektów generalizowanych, – wybór odpowiedniego operatora generalizacji (np. upraszczania, agregacji), – wybór zdefiniowanych dla danego operatora algorytmów, – dobór wartości parametrów dla danego algorytmu (np. maksymalne, minimalne odległości między obiektami), – wskazanie, jakie obiekty powstaną po generalizacji (zmiana lub nie, klasy obiektu, np. po agregacji budynków powstaje obszar zabudowany). Informacje te zapisywane są w bazie MS Access, natomiast deklaracji dokonuje kartograf za pomocą edytora danych o nazwie DIDE. Bazę wiedzy, opracowaną w systemie DynaGEN, dotyczącą osadnictwa i sieci dróg dla poziomów szczegółowości 1:500 000 i 1:1 000 000 zestawiono w tabeli 1. 6.3. Operatory generalizacji w systemie Clarity Podobnie jak w systemie DynaGEN istnieją tu dwa tryby pracy: agentowy oraz sekwencyjny, jednak są one znacznie bardzie zaawansowane niż tryby pracy w DynaGEN. Generalizacja w trybie agentowym23umożliwia modelowanie obiektów geograficznych w postaci autonomicznych „agentów”, natomiast w trybie sekwencyjnym możliwa jest w szerszym zakresie implementacja własnych narzędzi i algorytmów generalizacji. Z uwagi na fakt, że algorytmy i operatory generalizacji dostępne w trybie agentowym zostały 2 Koncepcja agentów oraz systemów wieloagentowych (takich, w których działa więcej niż jeden agent) należy do domeny sztucznej inteligencji (Artificial Intelligence ) (C. Duchene 2003). Zgodnie z definicją zaproponowaną przez M. Lucka (1997), agent jest programem zdolnym do kontroli i oceny podejmowanych przez siebie działań, na podstawie rozpoznawania otaczającego go środowiska. Technologia systemów wieloagentowych jest wykorzystywana również do modelowania złożonych, dynamicznych i otwartych aplikacji, na przykład w planowaniu produkcji, sterowaniu ruchem, zarządzaniu przepływem czynności oraz w coraz większym stopniu w Internecie (Z. Michalewicz, D.B. Fogel 2006). Wybór dróg Wybór dróg Dodatkowy wybór miejscowości prezentowanych za pomocą sygnatur Agregacja fragŁączenie przylementów kontugających do siebie rów miejscowości fragmentów konturów miejscowości 2b 2c 3 4 Analizy atrybutowe i przestrzenne, GeoMedia Implementacja Odrzucenie odcinków dróg w odległości większej niż 3 mm od prezentowanych dróg Odrzucenie odcinków dróg gminnych zakończonych ślepo Odrzucenie odcinków dróg powiatowych zakończonych ślepo Operator Area aggregation algorytm Adjoining DynaGEN Bufor wokół dróg, analizy przestrzenne, Geomedia Narzędzie Free Endpoints, analizy przestrzenne, GeoMedia Narzędzie Free Endpoints, analizy przestrzenne, GeoMedia Wybór dróg krajo- Analizy atrybutowych i wojewódz- we, GeoMedia kich Wybór dróg 2a Wybór miejscowości zgodnie z wynikami zróżnicowania regionalnego Kryterium Wstępny wybór miejscowości prezentowanych za pomocą sygnatur Opis 1 Czynność generalizacyjna Poziom szczegółowości 1:500 000 Tab.1. Baza wiedzy opracowana w systemie DynaGEN – Uwzględnienie relacji topologicznych między osadnictwem a siecią dróg – – – – Uwagi 6 5 4 3 2 1 Czynność generalizacyjna Uproszczenie konturów miejscowości Wybór konturów miejscowości Agregacja dodatkowych fragmentów konturów miejscowości Implementacja Operator Area aggregation, algorytm Nonorthogonal, wartość tolerancji 0,5 mm, DynaGEN – Operator Simplify area, algorytm Area preservation, wartość parametru Area change allowed 0,1% Odrzucenie kon- Analizy atrybutoturów miejscowo- we DynaGEN ści o powierzchni mniejszej niż 3 mm2 Agregacja fragmentów konturów miejscowości w odległości do 0,5 mm Operator Area aggregation, algorytm Adjoining, DynaGEN Wybór dróg krajo- Analizy atrybutowych i wojewódz- we, GeoMedia kich Wybór miast oraz Analizy atrybutomiejscowości we, GeoMedia będących siedzibami władz powiatowych i gminnych Kryterium Agregacja fragŁączenie przylegamentów kontujących do siebie rów miejscowości fragmentów konturów miejscowości Wybór dróg Wybór miejscowości prezentowanych za pomocą sygnatur Opis Poziom szczegółowości 1:1 000 000 120 Izabela Karsznia Dodatkowa agregacja fragmentów konturów miejscowości Wybór konturów miejscowości Uproszczenie konturów miejscowości Uproszczenie przebiegu sieci drogowej 5 6 7 8 Operator Area aggregation, algorytm Nonorthogonal, wartość tolerancji 0,5 mm, DynaGEN – – Operator Simplify algorytm Douglas Peucker, wartość tolerancji od 0,2 mm do 0,4 mm Operator Simplify area, algorytm Area preservation, wartość tolerancji Area change allowed 0,05% Odrzucenie frag- Analizy atrybutomentów konturów we DynaGEN o powierzchni mniejszej niż 4 mm2 Łączenie fragmentów konturów położonych w odległości 0,5 mm – – – Wartość parametru Hole Retention w województwie dolnośląskim 20 mm natomiast w województwie łódzkim 40 mm – – – 7 – – – Uproszczenie przebiegu sieci drogowej – – – – – – – Operator Simplify algorytm Douglasa-Peuckera, wartość tolerancji od 0,3 mm do 0,4 mm Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... 121 122 Izabela Karsznia dostosowane do generalizacji opracowań wielkoskalowych, przeprowadzone badania zostały wykonane w drugim z wymienionych trybów, a więc trybie sekwencyjnym. Opisane w kolejnych podrozdziałach funkcje systemu Clarity scharakteryzowano z punktu widzenia celu i zakresu pracy, a więc narzędzi wykorzystanych w trakcie procesu generalizacji warstwy tematycznej osadnictwa oraz sieci dróg zawartych w BDO. Część wykorzystanych narzędzi i algorytmów generalizacji uzyskano wraz z kodem źródłowym w języku programowania Java z Ordnance Survey (OS) (jednej z brytyjskich agencji kartograficznych współpracujących z firmą dostarczającą oprogramowanie Clarity – 1Spatial). Wybrane narzędzia i algorytmy generalizacji zmodyfikowano odpowiednio do potrzeb prowadzonych eksperymentów badawczych. Opracowano również nowe narzędzia generalizacji, umożliwiające bardziej kontekstową generalizację osadnictwa oraz sieci dróg w BDO. Środowiskiem programistycznym, które wykorzystano do modyfikacji istniejących oraz zaprojektowania nowych narzędzi generalizacji jest Eclipse, pozwalające na opracowanie i kompilację kodu zapisanego w języku programowania Java. 6.3.1. Operatory generalizacji wykorzystane w procesie generalizacji osadnictwa Ze względu na ograniczone możliwości wykonywania złożonych analiz przestrzennych i atrybutowych za pomocą interfejsu użytkownika w systemie Clarity (P. Revell 2008), opracowano narzędzie Point city delection oraz algorytm Point city outline deletion. Narzędzie Point city deletion umożliwia wybór podzbioru miejscowości, reprezentowanych za pomocą sygnatur, na podstawie warunków atrybutowych odpowiednio do potrzeb procesu. Natomiast algorytm Point city outline deletion umożliwia selekcję miejscowości niemających połączeń drogowych z innymi miejscowościami, wraz z odpowiadającymi im konturami. W implementacji tego algorytmu zdefiniowano połączenia, tzw. linki między miejscowościami a odpowiadającymi im konturami oraz miejscowościami a drogami, w celu wyszukania miejscowości, które nie są połączone z żadną drogą. W procesie agregacji miejscowości prezentowanych za pomocą konturów konieczna okazała się również modyfikacja algorytmu Clustering. W wersji źródłowej ten algorytm umożliwia łączenie obiektów, będących w określonej odległości od siebie za pomocą funkcji4„buforowania”3. Celem zaprojektowanej czynności generalizacyjnej jest łączenie oddzielnych konturów reprezentujących części miejscowości położonych w odpowiedniej odległości w całą miejscowość. Wobec tego zmodyfikowano istniejący algorytm dodając funkcję identyfikacji i zliczania części miejscowości o tych samych nazwach, a następnie ich łączenia, uzyskując algorytm Cluster settlements. W celu uzyskania optymalnych kształtów konturów zabudowy wykorzystano również algorytm Action poligon erode4.5Koncepcja tego algorytmu wywodzi się z teorii morfologii matematycznej i pozwala na powrót do oryginalnego kształtu obiektu po buforowaniu (B. Su i współautorzy 1997; P. Revell 2008). Narzędzie Delete small areas wykorzystano do usunięcia konturów miejscowości o powierzchni mniejszej niż zdefiniowana wartość tolerancji. W celu uproszczenia konturów zabudowy zastosowano narzędzie Simplify polygon, będące implementacją algorytmu upraszczania Douglasa-Peuckera. 6.3.2. Operatory generalizacji wykorzystane w procesie generalizacji sieci dróg Proces generalizacji sieci dróg poprzedziło opracowanie narzędzia Urban-road linking, pozwalającego na ich powiązanie z warstwą tematyczną osadnictwa. Za pomocą omawianego narzędzia opracowano tzw. linki odniesienia między odcinkami dróg a przecinającymi je lub leżącymi w bliskiej odległości miejscowościami, prezentowanymi za pomocą sygnatur. Narzędzie to jest jednym z ważniejszych elementów w procesie generalizacji, ponieważ pozwala na powiązanie dwóch generalizowanych warstw tematycznych. Budowę struktury topologicznej dróg umożliwiło wykorzystanie narzędzia Topological structuring, pozyskanego z Ordnance Survey. Poprawna struktura topologiczna jest niezwykle istotna z punktu widzenia kolejnych zaproponowanych czynności generalizacyjnych, tj. identyfikacji i usunięcia ślepo zakończonych odcinków dróg. Wymienione czynności generalizacyjne wykonano 3 Stosowana w systemach GIS nazwa bufor jest synonimem nazwy ekwidystanta. 4 Zastosowany algorytm, wywodzący się z teorii morfologii matematycznej, związany jest ze zjawiskiem dylacji i erozji (A. Boffet 2001). Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... za pomocą narzędzi Detect dead ends. Narzędzie to umożliwiło analizę wszystkich odcinków dróg, a następnie dodanie dodatkowego atrybutu dead end do klasy dróg z wartością 0 lub 1 (w przypadku odcinka zakończonego ślepo). Do usunięcia ślepo zakończonych odcinków dróg wykorzystano narzędzie Delete objects, pozwalające na usunięcie obiektów wybranych za pomocą zapytania atrybutowego. Ostatnim etapem w procesie generalizacji dróg jest uproszczenie ich przebiegu. Do wykonania tej czynności generalizacyjnej wykorzystano algorytm upraszczania Douglasa-Peuckera, zaimplementowany w postaci narzędzia Road simplification. 6.4. Opracowanie bazy wiedzy w systemie Clarity Bazę wiedzy, dotyczącą generalizacji osadnictwa i sieci dróg z poziomu szczegółowości 123 1:250 000 do poziomów szczegółowości 1:500 000 oraz 1:1 000 000, opracowaną w systemie Clarity zestawiono w tabeli 2. 7. Weryfikacja opracowanej bazy wiedzy. Wnioski Opracowaną bazę wiedzy zweryfikowano poprzez wykonanie szeregu eksperymentów generalizacji osadnictwa i sieci dróg BDO na obszarze województwa dolnośląskiego oraz łódzkiego w obu systemach informatycznych. Przeprowadzono generalizację z poziomu szczegółowości 1:250 000 do poziomów szczegółowości 1:500 000 oraz 1:1 000 000. Przykładowe wyniki generalizacji w postaci dynamicznego serwisu BDO opracowanego w programie GeoMedia Viewer v 6.1, zaprezentowano na rycinach 1–4 (w zależności od poziomu szczegółowości wyświetlane są odpowiednio zgeneralizowane dane). Ryc. 1. Wyniki generalizacji do poziomu szczegółowości odpowiadającemu skali 1:500 000 w systemie Clarity oraz DynaGEN – okolice Kłodzka Fig. 1. Results of generalization to the level of detail corresponding to the scale of 1:500 000 in Clarity and DynaGEN – Kłodzko area Wykonanie kopii schematu bazy danych Opracowanie połączeń (links) w bazie danych między osadnictwem a siecią dróg Budowa struktury Opracowanie topologicznej dróg hierarchii w sieci dróg 3 4 5 Opracowanie połączeń między miejscowościami a drogami oraz miejscowościami prezentowanymi za pomocą sygnatur a odpowiadającymi im konturami – – Opracowanie metod wyświetlania osadnictwa i sieci dróg 2 Wybór miejscowości zgodnie z wynikami zróżnicowania regionalnego Kryterium Wybór miejscowości prezentowanych za pomocą sygnatur Opis 1 Czynność generalizacyjna Wykorzystanie narzędzia Topological structuring Oprogramowanie narzędzi urban linking i urban road linking Opracowanie narzędzia copy schema Opracowanie narzędzia install display method Analizy atrybutowe i przestrzenne, GeoMedia Implementacja Poziom szczegółowości 1:500 000 Tab. 2. Baza wiedzy opracowana w systemie Clarity – Wzbogacenie struktury bazy danych (data enruchment) – – – Uwagi 5 4 3 2 1 Czynność generalizacyjna – – Kryterium Oprogramowanie narzędzia copy schema Oprogramowanie narzędzia install display method Implementacja Analizy atrybutowe Oprogramowanie algorytmu cluster settlements, wykorzystanie algorytmu action poligon erode Wybór dróg krajowych i wojewódzkich Agregacja fragŁączenie fragmentów kontumentów tej samej rów miejscowości miejscowości na podstawie nazwy oraz w odległości do 0,5 mm Wybór dróg Wybór miejscowo- Wybór miast oraz Oprogramowanie ści miejscowości narzędzia point będących city deletion siedzibami powiatów i gmin Wykonanie kopii schematu bazy danych Opracowanie metod wyświetlania osadnictwa i sieci dróg Opis Poziom szczegółowości 1:1 000 000 124 Izabela Karsznia – – Agregacja fragŁączenie fragOprogramowanie mentów kontumentów tej samej algorytmu cluster rów miejscowości miejscowości na settlements, podstawie nazwy wykorzystanie oraz w odległości algorytmu action do 0,5 mm poligon erode Wykorzystanie narzędzia delete small areas Wykorzystanie algorytmu Action poligon simplify, wartość tolerancji 0,2 mm Odrzucenie fragmentów konturów miejscowości o powierzchni mniejszej niż 4 mm2 – Wybór fragmentów konturów miejscowości Uproszczenie konturów miejscowości Uproszczenie przebiegu sieci drogowej 8 9 10 11 – Wykorzystanie narzędzia action line simplify, wartość tolerancji 0,2 mm – – Odrzucenie Oprogramowanie Uwzględnienie miejscowości nie narzędzia point city relacji topolozwiązanych outline deletion gicznych między z żadną wybraną osadnictwem wcześniej drogą a siecią dróg Dodatkowy wybór miejscowości prezentowanych za pomocą sygnatur 7 – Odrzucenie odcin- Analizy atrybutoków dróg powia- we, narzędzie towych i gminnych delete objects zakończonych ślepo Wybór dróg 6b – Wyszukanie odcin- Wykorzystanie ków dróg powia- narzędzia Detect towych i gminnych dead ends zakończonych ślepo Wybór dróg 6a 8 7 6 Uproszczenie przebiegu sieci drogowej Uproszczenie konturów miejscowości Wybór fragmentów konturów miejscowości – – Odrzucenie fragmentów konturów miejscowości o powierzchni mniejszej niż 3 mm2 Wykorzystanie narzędzia action line simplify, wartość tolerancji 0,1 mm Wykorzystanie algorytmu Action poligon simplify, wartość tolerancji od 0,1 mm do 0,2 mm Wykorzystanie narzędzia Delete small areas Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... 125 126 Izabela Karsznia Ryc. 2. Wyniki generalizacji do poziomu szczegółowości odpowiadającemu skali 1:500 000 w systemie Clarity oraz DynaGEN – okolice Piotrkowa Trybunalskiego. Fig. 2. Results of generalization to the level of detail corresponding to the scale of 1:500 000 in Clarity and DynaGEN – Piotrków Trybunalski area Przeprowadzone analizy i eksperymenty pozwoliły na wyciągnięcie kilku istotnych wniosków: – Proces generalizacji opracowań małoskalowych charakteryzuje się dużą dozą subiektywizmu, stąd trudności w opracowaniu formalnych reguł i ograniczenia w jego automatyzacji. Złożoność procesu generalizacji, a także konieczność uwzględnienia zależności między poszczególnymi obiektami oraz klasami obiektów utrudniają dekompozycję i modelowanie procesu w postaci bazy wiedzy. Innymi słowy, aby możliwa była automatyzacja czynności generalizacyjnych konieczne jest budowa szczegółowej bazy wiedzy o procesie generalizacji, co z uwagi na jego specyfikę nie jest łatwym zadaniem. Jedną z metod pozyskiwania wiedzy kartograficznej jest zastosowana w niniejszych badaniach metoda „reverse engineering”, polegająca na wnioskowaniu o zasadach generalizacji na podstawie analizy map. Nie jest to jednak metoda pozba- wiona wad. Za jedną z nich można uznać wpływ czynnika subiektywizmu, związanego z ręcznym opracowaniem mapy (S. Steiniger 2007). Pozyskana w niniejszych badaniach baza wiedzy dotycząca generalizacji osadnictwa i sieci dróg musi zostać wzbogacona między innymi o relacje rozważanych warstw tematycznych z pozostałymi elementami treści mapy, jak sieć rzeczna czy rzeźba terenu, tak aby miała ona charakter całościowy (W. A. Mackaness i współautorzy 2007). – Istotną kwestią podkreślaną wielokrotnie w literaturze przedmiotu i odnoszącą się również do niniejszych badań jest weryfikacja opracowanej bazy wiedzy. Dotyczy ona zarówno implementacji zaproponowanych reguł generalizacji na innych obszarach badawczych w celu ich uogólnienia oraz poszerzenia na obszar całej Polski, ale również optymalnego doboru operatorów oraz algorytmów generalizacji do Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... 127 Ryc. 3. Wyniki generalizacji do poziomu szczegółowości odpowiadającemu skali 1:1 000 000 w systemie Clarity oraz DynaGEN – okolice Łodzi i Piotrkowa Trybunalskiego Fig. 3. Results of generalization to the level of detail corresponding to the scale of 1:1 000 000 in Clarity and DynaGEN – Łódź and Piotrków Trybunalski area konkretnych czynności generalizacyjnych. W tym dalsza rozbudowa systemów wspomagających proces generalizacji o nowe narzędzia i algorytmy o charakterze kontekstowym, uwzględniające wzajemne relacje między generalizowanymi obiektami ( N. Regnauld, R.B. McMaster, 2007). – Nie wszystkie czynności generalizacyjne były możliwe do sformalizowania w wykorzystanych systemach geoinformacyjnych. Przykładowo wskazanie formalnych kryteriów generalizacji osadnictwa dla poziomu szczegółowości 1:500 000 jest trudnym zadaniem. Obok kryterium wielkości miejscowości oraz jej znaczenia administracyjnego należy tutaj uwzględnić kryterium gęstości miejscowości, które jest trudne do formalizacji, ponieważ wymaga regionalnego zróżnicowania generalizowanego obszaru. Ograniczenie pełnej formalizacji i automatyzacji procesu wynika także z konieczności indywidualnego doboru rodzaju i wartości parametrów (np. eksperymen- talny dobór wartości parametrów upraszczania konturów miejscowości oraz sieci dróg). Jest to jednak pole do dalszych badań oraz prób generalizacji. W niniejszym artykule podjęto próbę pozyskania i uporządkowania wiedzy kartograficznej dotyczącej generalizacji opracowań małoskalowych oraz jej implementacji w wybranych systemach informacji geograficznej w postaci bazy wiedzy. W celu określenia zasad generalizacji porównano treści map ogólnogeograficznych przeglądowych z danymi zawartymi w BDO. Wykonane analizy pozwoliły na wskazanie sekwencji czynności generalizacyjnych dla poziomu szczegółowości 1:500 000 oraz 1:1 000 000, który następnie zaimplementowano w systemie DynaGEN oraz Clarity. Pozwoliło to na weryfikację pozyskanej bazy wiedzy oraz wskazanie zakresu przydatności wymienionych systemów GIS do generalizacji ogólnogeograficznych opra- 128 Izabela Karsznia Ryc. 4. Wyniki generalizacji do poziomu szczegółowości odpowiadającemu skali 1:1 000 000 w systemie Clarity oraz DynaGEN – okolice Kłodzka Fig. 4. Results of generalization to the level of detail corresponding to the scale of 1:1 000 000 in Clarity and DynaGEN – Kłodzko area cowań w skalach przeglądowych. Celem przeprowadzonych analiz i eksperymentów była próba uzyskania rozwiązań w miarę możliwości powtarzalnych, standardowych, a jednocześnie konsekwentnych, które mogłyby stanowić podstawy metodyczne generalizacji warstwy osad- nictwa i sieci dróg BDO. Z punktu widzenia uzyskanych rezultatów wydaje się, że cel ten został osiągnięty. Niemniej jednak opisane eksperymenty stanowią przyczynek do dalszych badań zmierzających do poszerzenia bazy wiedzy związanej z procesem generalizacji. Literatura Boffet A., 2001, Methode de creation d’informations multi-niveau pour la generalisation cartographique de l’urbain. Praca doktorska, Uniwersytet Marne La Valle, Paryż. Cecconi A., 2003, Integration of cartographic generalization and multi-scale databases for enhanced web mapping, praca doktorska, Uniwersytet w Zurichu. Chybicka I., 2003, Agregacja parcel i generalizacja sieci dróg na mapach topograficznych w skali 1:10 000. Praca magisterska, Uniwersytet Przyrodniczy we Wrocławiu. Clarity concepts, 2007, płyta CD. Duchene C., 2003, Automated map generalisation using comunicating agents, W: Procceedings of the XXI International Cartographic Conference. Durban, płyta CD. DynaGEN, AE Training, 2000, Intergraph Mapping&GIS Solutions, płyta CD. Galanda M., 2003, Automated poligon generalization in a multi agent system. Praca doktorska, Uniwersytet w Zurichu. Iwaniak A., Paluszyński W., Żyszkowska W., 1998, Generalizacja map numerycznych – koncepcje i narzędzia, cz. I. „Polski Przegl. Kartogr.” T. 30, nr 2, s. 79–88. Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych... Joao E.M., 1998, Causes and consequences of map generalization, London: Taylor and Francis. Karsznia I., 2010, Podstawy metodyczne automatyzacji generalizacji wybranych elementów Bazy Danych Ogólnogeograficznych. Praca doktorska, Uniwersytet Warszawski. Karsznia I., 2011, Badanie zakresu przydatności systemów DyanGEN oraz Clarity do procesu generalizacji osadnictwa i sieci dróg Bazy Danych Ogólnogeograficznych. „Roczniki Geomatyki” T. 9, z. 1(45), s. 33–48. Karsznia I., 2011, Z problematyki generalizacji osadnictwa i sieci dróg na mapach przeglądowych – metodyka i narzędzia generalizacji, cz. I. „Polski Przegl. Kartogr.” T. 43, nr 1, s. 5–26. Luck M., 1997, Foundations of multi-agent systems: issues and directions. „Knowledge Engineering Review” Vol. 12, no 3, s. 307–318. Mackaness W.A. , Ruas A., Sarjakoski L.T., 2007, Observations and research challenges in map generalization and multiple representation. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s. 315–323. Michalewicz Z., Fogel D.B, 2006, Jak to rozwiązać czyli nowoczesna heurystyka, Warszawa, Wydawn. Naukowo-Techniczne. 129 Rant K., 2002, Generalizacja mapy topograficznej ze skali 1:10 000 do skali 1:50 000 przy użyciu oprogramowania DynaGEN. Praca magisterska, Uniwersytet Przyrodniczy we Wrocławiu. Regnauld N., McMaster R.B., 2007, A synoptic view of generalization operators. W: W.A. Mackaness, A. Ruas, L.T. Sarjakoski (Eds.), Generalization of geographic information: cartographic modelling and applications. Oxford: Elsevier, s. 37–66. Revell P., 2008, A review of the Clarity generalization platform and the customizations developed at Ordnance Survey research. ICA Workshop on Generalization and Multiple Representation, Montpellier. http://aci.ign.fr/montpellier2008/papers/17_Revell.pdf Ruas A., 1999, Modele de generalisation de donnes geographiques a base de constraintes et d’autonomie. Praca doktorska, Uniwersytet Marne la Vallee, Paryż. ftp://ftp.ign.fr./ign/COGIT/THESES Steiniger S., 2007, Enabling pattern – aware automated map generalization. Praca doktorska, Uniwersytet w Zurichu. Su B., Li Z., Lodwick G., 1997, Morphological transformation for the elimination of area features in digital map generalization. „Cartography” Vol. 26, no 2, s. 23–30. Recenzował prof. dr hab. Artur Magnuszewski Problems Connected with the Generalization of Settlement and Road Network on General Maps – Methodology and Tools of Generalization Part 2 Summary K e y w o r d s : implementation of cartographical knowledge, knowledge database, DynaGEN system, Clarity system The second part of the article presents two advanced systems supporting the process of generalization and its automation: DynaGEN and Clarity. It discusses the systems' operators and generalization algorithms significant for conducted research. Implementation of cartographical knowledge concerning generalization of settlement and road network from General Geographic Database (BDO) is presented for both systems in the form of a sequence of generalization activities and respective operators and generalization algorithms. Thus prepared database has been verified by a series of research experiments covering settlement generalization and road network in Lower Silesian and Łódź voivodships. In order to adapt the generalization process to the requirements of small scale publications new tools and algorithms have been designed or modified for the systems, which improves correctness of generalization of particular thematic layers. Translated by M. Horodyski